• 欢迎访问小杰博客网站
  • 欢迎访问小杰博客网站哦

逻辑回归 | 使用 sklearn.linear_model.LogisticRegression 预测不同职业的人优惠券使用情况

python 小杰 7个月前 (01-05) 382次浏览 已收录 0个评论

逻辑回归:

是一种广义的线性回归分析模型

逻辑回归针对的目标变量是类别型的,参数估值上,采用最大似染法。

分类问题可以转换成概率的都是逻辑回归的常见场景,如:

会不会逾期(风控)

会不会是流失客户(会员运营)

会不会点击(CTR预估、推荐系统、搜索)

优点:模型简单、可解释性强

缺点:不能做特征交叉

 

代码演示

需求:探究不同职业的人使用优惠券的可能

1 数据预处理

注意:剔除异常值、处理缺失值,排除共线性问题

1.1 本文数据预览

技术分享图片

 

 

1.2 过采样处理样本不均衡问题处理

1.2.1 选定自变量 因变量

 

1.2.2 查看是否均衡,发现样本不均衡

也可以使用 df.coupon_ind.value_counts() 来查看

技术分享图片

 

 

1.2.3 进行过采样处理

 

2 划分训练集、测试集

 

3 逻辑回归模型

 

4模型评估

4.1 使用模型进行预测

4.2 查看得分

4.3 查看召回率


小杰博客 , 版权所有丨如未注明 , 均为原创丨本网站采用BY-NC-SA协议进行授权
转载请注明原文链接:逻辑回归 | 使用 sklearn.linear_model.LogisticRegression 预测不同职业的人优惠券使用情况
喜欢 (1)
发表我的评论
取消评论
表情 贴图 加粗 删除线 居中 斜体 签到

Hi,您需要填写昵称和邮箱!

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址